전임자 GPT-4와 마찬가지로 GPT-4.5는 텍스트 및 이미지 입력을 처리하여 텍스트 출력을 생성 할 수있는 대규모의 멀티 모달 모델입니다 [5]. 그러나 PDF 내에서 이미지를 처리 할 때 고려해야 할 특정 제한 사항과 방법이 있습니다.
1. PDF의 직접 이미지 분석 : GPT-4.5 자체는 PDF 내에 포함 된 이미지를 직접 분석하지 않습니다. 대신 이미지가 PDF에서 추출되어 별도로 제시되면 이미지를 처리 할 수 있습니다. 즉, GPT-4.5가 PDF에서 이미지를 분석하려면 먼저 'PDF2IMAGE'또는 유사한 라이브러리와 같은 도구를 사용하여 해당 이미지를 추출해야합니다 [4].
2. 이미지 추출 및 변환 : PDF의 이미지를 분석하려면 PDF의 각 페이지를 'PDF2IMAGE'와 같은 라이브러리를 사용하여 PDF의 각 페이지를 이미지 형식 (예 : PNG 또는 JPEG)으로 변환합니다. 이미지가 추출되면 GPT-4.5의 비전 기능을 사용하여 분석 할 수 있습니다. 여기에는 이미지를 URL 또는 Base64 인코딩 형식으로 모델에 업로드하는 것이 포함됩니다 [3] [4].
3. 비전 기능 : GPT-4.5의 비전 기능을 사용하면 객체 식별 및 이미지에 존재하는 내용에 대한 일반적인 질문에 대한 답변을 포함하여 이미지의 내용을 이해하고 설명 할 수 있습니다. 그러나 이미지 내의 객체에 대한 자세한 공간 정보를 제공하지 못할 수도 있습니다 [3].
4. 제한 사항 : GPT-4.5는 이미지를 처리 할 수 있지만 복잡하거나 저해상도 이미지를 처리하는 데 제한이 있습니다. 이미지가 품질이 좋지 않거나 읽을 수없는 텍스트를 포함하는 경우 모델은 의미있는 정보를 추출하는 데 어려움을 겪을 수 있습니다 [2] [6].
5. 고급 분석 기술 : 광학 문자 인식 (OCR) 또는 차트 및 다이어그램 분석을 사용하여 이미지에서 텍스트를 추출하는 것과 같은보다 정교한 분석을 위해서는 GPT-4.5를 OCR 용 TesserAct 및 이미지 프로세스 기술과 같은 다른 도구 또는 복잡한 시각적 컨텐츠를 처리하기 위해 GPT-4.5를 결합해야 할 수도 있습니다 [2].
요약하면, GPT-4.5는 PDF에서 추출되어 별도로 제시되면 이미지를 효과적으로 분석하여 비전 기능을 활용하여 내용을 이해하고 설명 할 수 있습니다. 그러나 추출없이 PDF에 포함 된 이미지의 직접 분석은 지원되지 않습니다.
인용 :
[1] https://www.reddit.com/r/openai/comments/1c0pg1x/gpt4_and_pdf_analysis/
[2] https://www.youtube.com/watch?v=bwyzu68c77k
[3] https://platform.openai.com/docs/guides/vision
[4] https://www.groff.dev/blog/ingesting-pdfs-with-gpt-vision
[5] https://arxiv.org/abs/2303.08774
[6] https://community.openai.com/t/is-it-possible-tonalyze-minages-pdf-files/533994
[7] https://cdn.openai.com/gpt-4-5-system-card.pdf
[8] https://community.openai.com/t/what-are-limitations-of-4-in-analyzing-pdf-text/534760